Doktora Adayı: Ahmet Görkem Er
EABD: Sağlık Bilişimi
Tarih: 16.07.2025 / 15:30
Yer: A-108

Özet: Bu tez, akut ve kronik akciğer hastalıklarında tanısal modelleme ve klinik tahmini geliştirmek için çok modlu veri füzyonu ve çok kompartımanlı görüntü analizini araştırmaktadır. Bu hedeflere ulaşmak için iki farklı hasta kohortu analiz edilmiştir. İlk bölümde, COVID-19 hastalarından oluşan bir kohortu inceleyerek görüntüleme, klinik, laboratuvar ve viral genom dizileme verilerini seyrek doğrusal modelleme teknikleri kullanarak entegre ettik. Farklı veri modaliteleri arasındaki ilişkileri tanımlamak ve nicel olarak belirlemek amacıyla denetimsiz seyrek kanonik korelasyon analizi uyguladık. Bu analiz, görüntüleme verileri ile laboratuvar sonuçları arasında anlamlı korelasyonlar ortaya koymuş ve belirgin klinik fenotiplerin tanımlanmasını sağlamıştır. Yoğun bakım ünitesine kabulü öngörmek üzere çok modlu veri birleştirmeyi optimize etmek için denetimli iş birlikçi öğrenme yöntemini kullandık. Ayrıca, viral genomları kodlayabilmek için Word2Vec doğal dil işleme modelinden yenilikçi bir şekilde faydalandık. Bu yaklaşım yalnızca başlıca SARS-CoV-2 varyantlarını ayırt etmekle kalmamış, aynı zamanda viral suşlar arasındaki filogenetik ilişkilerin korunmasını sağlamış ve genomik verilerin klinik analizlere entegrasyonunu mümkün kılmıştır. İkinci bölümde, interstisyel akciğer hastalıklarına odaklanarak, göğüs bilgisayarlı tomografi görüntülerinden akciğer parankimi ve pulmoner arterlere ait radyomik öznitelikleri çıkarıp entegre ederek çok kompartımanlı görüntü analizi kavramını uyguladık. Pulmoner arterden elde edilen radyomik özniteliklerin yorumlanabilir olduğunu ve pulmoner hipertansiyon ile transplantasyonsuz sağkalım açısından öngörü değeri taşıdığını gösterdik. Ayrıca, pulmoner arter ve akciğer parankim özniteliklerinin bir arada kullanılması bu klinik sonuçlara yönelik tahmin performansını artırdı. Birlikte ele alındığında, bu bölümlerde, çok modlu veri füzyonu ve çok kompartımanlı görüntü analizinin klinik karar verme süreçlerini yansıtabileceğini ve karmaşık akciğer hastalıklarında kişiselleştirilmiş prognoz tahminini iyileştirebileceğini ortaya koyuyoruz.